典型文献
基于YOLOv5网络的径赛人体目标检测
文献摘要：
针对径赛人体目标识别中,在图像上重叠、粘连的运动员检测精度低,容易漏检并在多目标识别中检测速度较慢的情况,本文提出一种基于YOLOv5的径赛人体目标检测模型.首先,在专业场地拍摄运动员冲刺影像,对所有运动员与遮挡目标进行标注,制作成专用径赛识别数据集.其次,通过数据增强的手段,将数据集中运动员部分身体进行遮挡,获取大量的差异性增强数据,提高模型对遮挡目标识别度.最后,对YOLOv5网络进行优化,将网络中Leaky Relu激活函数与Hardswish激活函数全部改为Silu激活函数,简化了体系结构;改进nms非极大值抑制机制,增加模型对重叠目标的敏感度.实验结果表明,改进后的YOLOv5模型对重叠的人物有着更为精确的检测效果.模型平均精度mAP@0.5值为0.982,测试精度为0.969,单张图片处理的平均时间为0.012 s,目标检测速度达到83.3FPS.能够满足径赛检测的需求.
文献关键词：
深度学习;计算机视觉;YOLOv5网络;目标检测;人体遮挡
中图分类号：
作者姓名：
邹有成
作者机构：
湖南师范大学工程与设计学院,长沙 410081
文献出处：
引用格式：
[1]邹有成-.基于YOLOv5网络的径赛人体目标检测)[J].现代计算机,2022(04):21-29
A类：
Hardswish,Silu,3FPS,人体遮挡
B类：
YOLOv5,径赛,人体目标检测,对径,粘连,运动员,检测精度,漏检,多目标识别,检测速度,较慢,目标检测模型,冲刺,别数,数据增强,分身,遮挡目标识别,识别度,Leaky,Relu,激活函数,体系结构,nms,非极大值抑制,抑制机制,检测效果,模型平均,mAP,测试精度,单张,图片处理,计算机视觉
AB值：
0.346198
相似文献
机标中图分类号，由域田数据科技根据网络公开资料自动分析生成，仅供学习研究参考。
